IV.6Научные исследования, математика и новые материалы

BulkFormer-37M — компактная модель на 37 млн параметров для представления транскриптомов bulk RNA-seq. Она основана на архитектуре BulkFormer, разработанной Kang, Fan и соавторами, и выпущена в формате, совместимом с Transformers; веса представлены в safetensors. Модель предназначена для извлечения признаков на уровне генов и экспрессии, а также для последующей тонкой настройки с классификационной головой или продолжением предобучения для masked imputation и объединения эмбеддингов с ESM2. Модель ориентирована на анализ bulk RNA-seq данных и может служить основой для задач классификации транскриптомов и изучения профилей экспрессии. Репозиторий указывает лицензию MIT. Длина контекста и перечень поддерживаемых языков не приводятся; для этой биологической модели естественные языки не являются основным входом.

Модель tbhugging/camera_orbit_compact_09_2b разработана для локализации частицы в данных томографии GummyBear. Она принимает шесть проекций размером 128×128, снятых с ракурсов 0°, 60°, 120°, 180°, 240° и 300°, и предсказывает координаты частицы по осям x, y и z. Архитектура состоит из сверточной сети для каждого ракурса с глобальным усреднением признаков (GAP), токенов геометрии камеры на основе синуса и косинуса и компактного MLP для объединения информации. Модель реализована на PyTorch; метаданные указывают задачу image-feature-extraction, однако фактический результат описан как координаты частицы. На тестовом наборе указан Euclidean RMSE по координатам xyz 0,860746; на валидационном — 1,320252. Эти значения относятся к описанному протоколу и набору данных GummyBear Tomography. Репозиторий распространяется по лицензии Apache-2.0.

ChatCell — модель семейства T5, разработанная авторами проекта ChatCell для анализа данных отдельных клеток с помощью естественного языка. Она использует представление Cell2Sentence, преобразующее данные о клетках в текстовые последовательности, и адаптированный словарь клеток при предварительном обучении. Модель содержит 406,4 млн параметров, принимает и генерирует текст; длина контекста — 512 токенов. ChatCell предназначена для генерации последовательностей, описывающих клетки, создания псевдоклеток по меткам типов клеток, аннотации типов клеток по паттернам экспрессии генов и прогнозирования чувствительности клеток к препаратам. Это исследовательский инструмент для анализа одноклеточной транскриптомики и биологических данных. В карточке не указаны конкретные поддерживаемые естественные языки и лицензия, поэтому условия коммерческого и иного использования по имеющимся данным определить нельзя.

ChemBERTaLM — модель генерации молекул, разработанная Gökçe Uludoğan и представленная в работе о применении предварительно обученных биохимических языковых моделей для целевого дизайна лекарств. Это модель семейства RoBERTa, дообученная от чекпойнта ChemBERTa на датасете MOSES с лекарственно-подобными соединениями. Она генерирует молекулярные строки, например SMILES, с помощью авторегрессионной генерации текста; размер модели — 62,7 млн параметров, контекст — до 512 токенов. Модель предназначена для генерации кандидатов молекул и исследовательских сценариев химического дизайна. Для работы используется библиотека Transformers и формат PyTorch. Модель выпущена под лицензией MIT. Генерация сама по себе не подтверждает химическую валидность, синтезируемость, безопасность или терапевтическую эффективность полученных соединений.

ChemLLM-7B-Chat-1_5-SFT — диалоговая языковая модель для химии и науки о молекулах, разработанная командой AI4Chem. Она создана на основе InternLM2 и дообучена для общения по химическим темам. Модель содержит 7,4 млрд параметров, использует архитектуру InternLM2ForCausalLM и принимает текстовые запросы, выдавая текстовые ответы. Длина контекста — до 32 768 токенов. Модель предназначена для ответов на вопросы по химии, обсуждения молекул и помощи в химических сценариях с диалоговым интерфейсом. В карточке указаны английский и китайский языки. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Авторы предупреждают, что ответы могут быть ошибочными и требуют проверки.

CodonGPT — генеративная трансформерная модель Nanil Therapeutics Inc. для проектирования последовательностей белок-кодирующей ДНК и мРНК. Она использует декодер архитектуры GPT-2 и обучена на кодирующих последовательностях Ensembl (CDS); контекст модели составляет 1024 токена. Специальный токенизатор разбивает последовательность на кодоны, а словарь включает 64 кодона и три служебных токена. Модель предназначена для генерации реалистичных кодирующих последовательностей, подбора синонимичных кодонов при сохранении аминокислотной последовательности и проектирования последовательностей с заданными свойствами CAI и GC. SynonymousLogitProcessor поддерживает генерацию биологически эквивалентных вариантов. Для работы нужны поставляемые в репозитории токенизатор и процессор; входные последовательности должны содержать целое число полных кодонов, то есть длина должна быть кратна трём нуклеотидам. Модель предоставляется бесплатно для исследовательского использования.

Dayhoff-170M-GRS-SS-50000 — модель генерации белковых последовательностей из семейства Dayhoff, разработанная исследовательской группой, перечисленной в карточке модели. Она предназначена для исследований в области белкового языкового моделирования и генеративного дизайна белков. Архитектура Jamba сочетает слои Mamba и Transformer с механизмом Mixture-of-Experts; модель содержит 23,6 млн параметров и поддерживает контекст до 262 144 токенов. Обучение на последовательностях из Dayhoff Atlas позволяет использовать длинный контекст белковых последовательностей и множественных выравниваний. Модель применялась для безусловной генерации белковых последовательностей и предсказания эффектов мутаций без дообучения. Лицензия — MIT. README предупреждает, что модель предназначена только для белковых последовательностей, не для естественного языка или последовательностей ДНК; сгенерированные последовательности не гарантированно реалистичны, а генерация без сходства с природными белками остаётся сложной задачей.

microsoft/Dayhoff-170m-UR50 — модель генерации белковых последовательностей, представленная в ресурсах Dayhoff и разработанная авторами, перечисленными в карточке Dayhoff. Она предназначена для исследовательского моделирования белковых последовательностей: безусловной генерации, оценки эффектов мутаций и проектирования последовательностей с заданными структурными мотивами или эволюционным контекстом. Архитектура сочетает слои Mamba и Transformer с механизмами Mixture-of-Experts; модель обучалась авторегрессионно в направлениях N→C и C→N и поддерживает контекст до 262 144 токенов. Метаданные указывают 23,6 млн параметров, библиотеку Transformers и формат safetensors. Карточка Dayhoff описывает работу с белковыми последовательностями и выравниваниями, включая генерацию и заполнение последовательностей с учетом контекста. Модель не предназначена для обычного текста, ДНК или других биологических последовательностей; реалистичность и качество каждого сгенерированного белка не гарантированы. Лицензия — MIT.

Dayhoff-170m-UR50-BRn — модель для генерации белковых последовательностей из семейства Dayhoff, разработанного Kevin K. Yang и соавторами. Она предназначена для исследовательского белкового языкового моделирования: безусловного проектирования последовательностей, оценки эффектов мутаций без дополнительного обучения и создания последовательностей с заданными структурными мотивами или эволюционным контекстом. Архитектура — гибридная Jamba: слои Mamba и Transformer чередуются с блоками Mixture-of-Experts. Модель содержит 23,6 млн параметров и поддерживает контекст до 262 144 токенов. Она обучена авторегрессионно в направлениях N→C и C→N, что позволяет заполнять пропуски в любом порядке. Репозиторий использует формат safetensors; лицензия — MIT. Модель предназначена только для белковых последовательностей или наборов гомологичных белков. Она не рассчитана на естественный язык, ДНК или другие биологические последовательности; реалистичность сгенерированных последовательностей не гарантируется, а получение новых последовательностей без сходства с природными остаётся сложной задачей.

Dayhoff-170M-UR90-HL-22000 — модель генерации белковых последовательностей из семейства Dayhoff, разработанная Kevin K. Yang и соавторами. Она предназначена для исследований в области белкового языкового моделирования: генерации последовательностей, предсказания эффектов мутаций без дополнительного обучения и проектирования белков с заданными структурными мотивами или эволюционным контекстом. Архитектура модели сочетает слои Mamba и Transformer с механизмом смеси экспертов (MoE); она обучена авторегрессионному предсказанию в направлениях N→C и C→N. Указанная длина контекста — 262 144 токена, число параметров — 23,6 млн. Модель принимает белковые последовательности и выдаёт белковые последовательности; она не предназначена для естественного языка или последовательностей ДНК. Генерируемые последовательности не всегда реалистичны, а создание последовательностей без сходства с природными белками остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-40000 — генеративная белковая языковая модель семейства Jamba, разработанная авторами Dayhoff. Она предназначена для исследовательских задач белкового моделирования: генерации последовательностей белков, оценки эффектов мутаций и создания последовательностей с заданным структурным мотивом или эволюционным контекстом. Архитектура сочетает слои Mamba и Transformer с механизмом смеси экспертов; модель обучалась авторегрессионно в направлениях N→C и C→N и поддерживает длинный контекст до 262 144 токенов. В метаданных указано 23,6 млн параметров. Модель принимает белковые последовательности и предназначена только для работы с белковыми последовательностями или наборами гомологичных последовательностей, а не с естественным языком или ДНК. Сгенерированные последовательности не всегда реалистичны, а создание качественных последовательностей без сходства с природными белками остаётся сложной задачей. Лицензия — MIT.

Dayhoff-170M-UR90-HL-42000 — белковая языковая модель из ресурса Dayhoff, разработанного командой исследователей, перечисленных в карточке модели. Это гибридная архитектура Jamba: слои Mamba и Transformer чередуются с блоками Mixture-of-Experts. Модель содержит 23,6 млн параметров, поддерживает контекст до 262 144 токенов и обучена авторегрессионно предсказывать последовательность в направлениях N→C и C→N, что позволяет выполнять заполнение пропусков в произвольном порядке. Модель предназначена для генерации аминокислотных последовательностей белков и исследовательских задач белкового моделирования: безусловного дизайна последовательностей, оценки эффектов мутаций без дополнительного обучения и проектирования последовательностей с заданными структурными мотивами или эволюционным контекстом. Она рассчитана на белковые последовательности, а не на естественный язык или ДНК; сгенерированные последовательности не всегда реалистичны, а получение новых последовательностей без сходства с известными природными последовательностями остаётся сложной задачей. Распространяется по лицензии MIT.

Dayhoff-3b-GR-HM-21000 — модель генерации белковых последовательностей из семейства Dayhoff, разработанная исследовательской командой Kevin K. Yang и соавторов. Она предназначена для исследований в области белкового моделирования: генерации белков, предсказания эффектов мутаций без дообучения и создания последовательностей с заданным структурным или эволюционным контекстом. Вариант GR-HM поддерживает кондиционирование на гомологах. Архитектура сочетает слои Mamba и Transformer с механизмом смеси экспертов (MoE). Модель обучена авторегрессионному предсказанию последовательностей в направлениях N→C и C→N, что поддерживает заполнение пропусков в произвольном порядке. Метаданные указывают 445,7 млн параметров и контекст до 262 144 токенов. Модель обучена на данных белковых последовательностей и выложена в формате Safetensors. Модель предназначена только для белковых последовательностей и наборов гомологичных белков; она не подходит для естественного языка или последовательностей ДНК. Сгенерированные последовательности не всегда реалистичны, а создание качественных белков без сходства с известными природными последовательностями остаётся сложной задачей. Лицензия — MIT.

Dayhoff-3b-GR-HM-31000 — авторегрессионная модель генерации белковых последовательностей из семейства Dayhoff, разработанная исследователями, перечисленными в карточке Microsoft. Вариант GR-HM предназначен для генерации с условием на гомологичные последовательности. Модель использует гибридную архитектуру Mamba и Transformer с блоками Mixture-of-Experts; в репозитории указано 445,7 млн параметров и контекст до 262 144 токенов. Веса опубликованы в формате Safetensors, лицензия — MIT. Модель подходит для безусловного проектирования белковых последовательностей, предсказания эффектов мутаций без дообучения, создания белковых каркасов для заданных структурных мотивов и генерации с учётом гомологов. Обучение в направлениях N→C и C→N позволяет заполнять пропуски в последовательностях в произвольном порядке. Она предназначена только для белковых последовательностей и не рассчитана на обычный текст или последовательности ДНК; реалистичность и новизна сгенерированных последовательностей не гарантированы.

Dayhoff-3b-UR90 — генеративная модель белковых последовательностей из семейства Dayhoff, разработанная командой исследователей, перечисленной в карточке. Она предназначена для исследований в области белкового языкового моделирования: генерирует последовательности белков, оценивает эффекты мутаций без дополнительного обучения и помогает проектировать белковые каркасы с заданными структурными мотивами. Модель использует гибридную архитектуру Jamba: слои Mamba и Transformer чередуются с блоками смеси экспертов. В метаданных указано 445,7 млн параметров и контекст до 262 144 токенов; модель обучена на данных Dayhoff и поддерживает длинные последовательности и выравнивания последовательностей. Модель работает с белковыми последовательностями, а не с естественным языком, ДНК или другими биологическими последовательностями. Сгенерированные последовательности не всегда реалистичны, а получение качественных белков без сходства с известными природными последовательностями остаётся сложной задачей. Лицензия — MIT.

DiffuMT — это дообученная модель диффузии для создания синтетических изображений микротрубочек по бинарной сегментационной маске. Модель разработана мастерской HTW-KI-Werkstatt на основе mask-conditioned DDPM из работы Konz et al. (2024) и предназначена для изображений, полученных методом интерференционной рефлексионной микроскопии (IRM). Она использует 2D U-Net из библиотеки diffusers и формирует RGB-изображения размером 256×256 пикселей. Для генерации применяется детерминированное DDIM-сэмплирование за 50 шагов; разнообразие результатов обеспечивается разными начальными шумовыми векторами. Контрольная точка эпохи 290 выбрана по показателям реалистичности, разнообразия и соответствия распределения цветов; в README отмечено, что более позднее обучение приводит к коллапсу режимов. Маски необходимо подавать в масштабе {0, 1/255}, иначе усиленный сигнал кондиционирования ухудшает результат. Модель распространяется по лицензии MIT.

zhihan1996/DNA_bert_5 — это предварительно обученная модель DNABERT, разработанная авторами Ji, Zhou, Liu и Davuluri и опубликованная в репозитории DNABERT; контрольная точка размещена пользователем zhihan1996 на Hugging Face. Модель предназначена для анализа геномных последовательностей ДНК и последующей адаптации под задачи классификации и другие задачи геномики, включая предсказание регуляторных элементов, сайтов связывания факторов транскрипции и свойств последовательностей. Архитектура основана на bidirectional BERT с Transformer-блоками и masked language modeling. Вариант DNA_bert_5 использует перекрывающиеся 5-mer-токены; известные характеристики семейства включают 12 Transformer-блоков, размер скрытого представления 768, 12 attention heads и около 88 миллионов параметров. Максимальная длина входа составляет 512 токенов, что соответствует примерно 510 5-mer-токенам или 514 нуклеотидам с учетом специальных токенов. Модель работает с последовательностями ДНК, а не с естественными языками, и требует предварительного преобразования последовательности в k-mer-формат. Сильные стороны модели — двунаправленный контекст, глобальное self-attention, переносимость представлений на разные задачи и применимость при ограниченном объеме размеченных данных; исходная работа также сообщала о переносе между организмами. Ограничения — короткий контекст, необходимость специализированной токенизации и зависимость качества от последующего fine-tuning и конкретного геномного сценария. README модели пуст, а отдельные подробные сведения о датасете и оценках для этой контрольной точки не приведены; модель не развернута через Inference Provider. Исходный репозиторий проекта DNABERT указывает лицензию Apache-2.0.

Synthyra/ESM2-8M — компактная белковая языковая модель на основе контрольной точки facebook/esm2_t6_8M_UR50D, опубликованная с рантаймом FastPLMs для Hugging Face Transformers. Она содержит 9,8 млн параметров, использует архитектуру ESM2 и принимает аминокислотные последовательности, токенизированные по остаткам. Длина контекста — до 1026 токенов. Веса опубликованы в формате safetensors по лицензии MIT. Основная задача модели — предсказывать замаскированные остатки в белковых последовательностях. Её также можно использовать для извлечения эмбеддингов и как основу для классификации последовательностей или отдельных остатков. Классификационные головы в этом репозитории инициализированы заново и требуют дообучения. Модель позволяет получать карты контактов на основе внимания и поддерживает несколько бэкендов внимания, включая SDPA и Flash Attention. Модель предназначена для анализа белковых последовательностей и подготовки представлений для биоинформатических задач. README предупреждает, что test-time training увеличивает задержку и расход памяти, может ухудшить результат и само по себе не устанавливает биологическую функцию белка.

Карточка модели fredzzp/esm2_t12_35M_UR50D на Hugging Face совпадает с карточкой fredzzp/esm2_t33_650M_UR50D, поэтому описание составлено по ней. fredzzp/esm2_t33_650M_UR50D — эффективная реализация ESM2 (Evolutionary Scale Modeling) с поддержкой Flash Attention; в README указано, что исходный код взят из FAPLM. Модель предназначена для заполнения пропусков в последовательностях белков и других задач языкового моделирования белковых последовательностей. Архитектура — плотная трансформерная ESM, вариант на 33 слоя; в метаданных указано 865,1 млн параметров и контекст до 1026 токенов. При наличии FlashAttention реализация может ускорять инференс и снижать расход памяти; без него используется PyTorch SDPA. Также заявлено исключение токенов паддинга из вычислений. Совместимость API с исходными моделями ESM2 упрощает замену реализации. Модель принимает текстовые последовательности белков и предсказывает замаскированные токены. Лицензия — MIT.

Synthyra/ESMplusplus_6B — опубликованная Synthyra версия чекпойнта Biohub ESMC-6B для работы с FastPLMs в Transformers. Это плотная белковая языковая модель с архитектурой ESMplusplus и 8,4 млрд параметров; она принимает аминокислотные последовательности, преобразованные в идентификаторы остатков, и предоставляет предварительно обученную masked-language-model голову для заполнения масок. Модель также позволяет получать представления белковых последовательностей и токенов, а также подключать скрытые состояния к поддерживаемым разреженным автоэнкодерам. Основное применение — анализ белковых последовательностей и получение признаков для последующих биологических задач. Головы классификации последовательностей и остатков создаются заново и не обучены, поэтому их предсказания нельзя интерпретировать без отдельного дообучения. Доступны бэкенды внимания eager, SDPA и Flex Attention; FlashAttention поддерживается интерфейсом, но доступность зависит от платформы и установленных ядер. FP8 обозначен как экспериментальный режим инференса. Модель распространяется по лицензии MIT.

Evo-1-8k-base — биологическая фундаментальная авторегрессионная модель, совместно разработанная Arc Institute и TogetherAI. Она предназначена для моделирования и генерации биологических последовательностей на уровне отдельных нуклеотидов, в том числе как базовая модель для дообучения на задачах молекулярного масштаба. Модель использует плотную архитектуру StripedHyena, сочетающую многоголовочное внимание и управляемые свёртки в блоках Hyena. В README указано 7 млрд параметров, а метаданные репозитория — 8,6 млрд; для описания размера здесь приведено значение из метаданных. Контекст этой версии — 8 192 токена. Обучение проводилось на OpenGenome, наборе прокариотических геномов объёмом около 300 млрд токенов. Архитектура поддерживает авторегрессионную генерацию последовательностей и рассчитана на эффективную обработку длинного контекста. Модель выпущена под лицензией Apache-2.0. Для запуска StripedHyena вне демонстрационной среды требуются пользовательские ядра; README также сообщает об исправленной ошибке перестановки проекций, поэтому для качественной генерации следует использовать ревизию 1.1_fix.

GB.RNA-300M-MARS — RNA-модель семейства RNABert, разработанная GenBio AI. Модель содержит около 298,9 млн параметров и предварительно обучена на 886 млн последовательностей РНК из базы MARS; в репозитории представлены веса PyTorch с контекстом до 1024 токенов. Модель предназначена для получения представлений последовательностей РНК и использования как основы для downstream-задач: классификации последовательностей и отдельных токенов, а также регрессии на уровне последовательностей. Метаданные указывают задачу fill-mask, подходящую для предсказания замаскированных частей РНК-последовательности. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

ImmunoMatch — белковая языковая модель, дообученная Fraternalilab на базе AntiBERTa2-CSSP для изучения предпочтений спаривания тяжёлых и лёгких цепей антител. Она принимает пару аминокислотных последовательностей доменов VH и VL и выполняет классификацию, связанную с их совместимостью. Доступны варианты, обученные на смесях антител с κ- и λ-цепями, а также отдельные варианты для κ- или λ-цепей. Модель построена на архитектуре RoFormer, содержит около 268,5 млн параметров и рассчитана на контекст до 256 токенов. Репозиторий содержит веса PyTorch; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

InternLM2-Math-Plus-20B — языковая модель для генерации текста, специализированная на математических задачах. Исходная модель разработана командой InternLM и опубликована под идентификатором internlm/internlm2-math-plus-20b, а данный репозиторий содержит её GGUF-квантизации, подготовленные bartowski с использованием llama.cpp и метода imatrix. Модель поддерживает английский и китайский языки и предназначена для локального запуска через совместимое программное обеспечение, включая llama.cpp. Модель имеет около 20 миллиардов параметров; точные сведения об архитектуре и размере контекста в README не указаны. Доступны варианты квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K, IQ4, IQ3, IQ2 и IQ1 с различным соотношением качества, требований к памяти и размера файла. Наиболее качественными и рекомендуемыми названы Q6_K, Q5_K_M и Q5_K_S; варианты с меньшей разрядностью экономят память, но снижают качество, особенно IQ1 и некоторые Q3. Сильная сторона модели — специализация на математической генерации текста и широкий выбор локальных квантизированных сборок объёмом примерно от 4,54 до 21,10 ГБ. Ограничения включают зависимость качества от выбранной квантизации, отсутствие поддержки мультимодальных входов в описании и недостаток сведений о результатах тестирования, архитектуре и контекстном окне. Лицензия указана как other, без дополнительных условий в README.

jiosephlee подготовил дообученный чекпойнт Intern-S1-mini для переноса оценок между записями в задаче Carcinogens V27 degree-24. Модель предназначена для ранжирования и оценки записей по данным химических анализов на канцерогенность, включая тестирование на примерах из распределения и вне него. Это плотная причинная языковая модель архитектуры Qwen3 с 7,6 млрд параметров и контекстом до 65 536 токенов. Чекпойнт выбран на 500-м шаге по совместной метрике ID/OOD; в тесте он превзошёл указанные в карточке варианты на основе Morgan fingerprint по Macro MAE@3 и Spearman, хотя Spearman@3 остаётся отрицательным. Доступны веса safetensors и загрузка через Transformers; README указывает на необходимость trust_remote_code=True для встроенного токенизатора. Сведения о лицензии в предоставленных данных отсутствуют.

LANTERN MAPT Aβ model A — это ансамбль из пяти 3D U-Net-моделей для сегментации амилоид-бета-бляшек в очищенном мозге мыши, снятом методом светолистовой микроскопии. Модель разработана для когорты мышей MAPT/APOE и дообучена на основе модели apooladi/lantern-ki3-abeta. Архитектура ResEncLUNet сочетает шестистадийный энкодер ResEncL с декодером U-Net; всего 102,3 млн параметров, из них обучались 12,1 млн. Энкодер заморожен и инициализирован самоконтролируемым предобучением nnBYOL3D. Модель принимает 3D изображения канала Aβ и выдаёт маску из трёх классов: фон, бляшка и помеченная аннотаторами яркая структура, не являющаяся бляшкой. Основное назначение — обнаружение и очерчивание бляшек для исследовательской оценки их количества. На валидационных патчах object F1 составил 0,364 без фильтрации мелких компонентов и 0,428 после удаления компонентов меньше 8 вокселей. Результат чувствителен к масштабу и нормализации: требуется ресэмплинг до 4,0 × 3,25 × 3,25 мкм и нормализация по тайлам исходной интенсивности. Обучение проводилось на 40 вручную аннотированных патчах; валидация разделяла патчи, а не животных, поэтому качество на новых животных может быть ниже. Класс ложных срабатываний нестабилен и не валидирован; количественная оценка абсолютной нагрузки бляшками также не проводилась. Модель не предназначена для диагностики. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

LANTERN MAPT model B — это модель сегментации амилоид-бета-бляшек в трёхмерных изображениях целого очищенного мозга мыши, снятых методом light-sheet microscopy. Модель разработана для когорты мышей MAPT/APOE; это ансамбль из пяти 3D U-Net с энкодером ResEncL и декодером UNet. Веса энкодера заморожены, обучаемая часть содержит 12,1 млн параметров из 102,3 млн общих. Модель принимает трёхмерные микроскопические изображения и выдаёт маску двух классов: бляшки и фон. Модель предназначена для выделения бляшек и исследовательской оценки их количества и распределения, а не для диагностики. Для применения требуется воспроизвести предобработку: ресэмплировать данные до 4,0 × 3,25 × 3,25 мкм и нормализовать сырые интенсивности отдельно для каждого тайла. Обучение проведено на 40 размеченных патчах от 18 мышей; лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование. Качество ограничено небольшим набором обучения и оптимистичной проверкой со случайным разделением патчей, а не животных; на ранее не встречавшихся животных качество может быть ниже. У модели нет отдельного класса ложноположительных структур, поэтому яркие сосуды и края изображения требуют дополнительной обработки. Метрики получены на патчах 128³, и модель не проверена для точной оценки абсолютной нагрузки бляшками.

METL (Mutational Effect Transfer Learning) — фреймворк для предварительного обучения и дообучения белковых языковых моделей с учётом биофизики. Репозиторий gitter-lab/METL содержит обёртку для удобного использования моделей METL; сами модели размещены на Zenodo и загружаются этой обёрткой при использовании. Модель предназначена для извлечения признаковых представлений белков, которые можно применять в задачах анализа белковых последовательностей и эффектов мутаций. README указывает на публикацию, репозиторий с документацией, скриптами обучения и предсказания, а также Colab-ноутбуки для дообучения и запуска доступных моделей. В Hugging Face репозитории указаны архитектура METL и формат safetensors. Лицензия репозитория — MIT.

Minerva-MLM — плотная геномная языковая модель семейства Minerva от gbrixi для анализа последовательностей ДНК и поиска коэволюционных сигналов. Модель содержит голову masked language modeling и дополнительные головы для предсказания спаривания оснований, контактов белка и повторов. Она рассчитана на контекст до 4 096 токенов и доступна в формате safetensors для библиотеки Transformers; лицензия — Apache-2.0. Модель подходит для заполнения замаскированных токенов в геномных последовательностях, анализа сигналов взаимодействия и построения карт контактов и повторов. README указывает поддержку взаимодействий между ДНК, РНК и белком, а также функции вычисления отпечатков взаимодействий. Для неизвестной ориентации участка следует запускать анализ обеих цепей: обучение преимущественно проводилось на положительной цепи ДНК, и качество на ней лучше. Для полноценной работы с обеими ориентациями можно объединять карты прямой и обратной комплементарной последовательностей.

Aurigene AI разместила зеркальную копию molt5-large-smiles2caption — модели на архитектуре T5 для генерации текстового описания молекулы по строке SMILES. Она предназначена для аннотирования результатов скрининга и краткого описания библиотек молекул в задачах поиска и оптимизации лекарственных соединений. Модель содержит 385,2 млн параметров и распространяется в формате PyTorch через Transformers. Модель преобразует текстовое представление молекулы в текстовую подпись на естественном языке. Карточка указывает, что исходная модель опубликована авторами работы «Translation between Molecules and Natural Language»; лицензия — Apache-2.0.